安东尼奥·列托（Antonio Lieto，1983年12月18日出生）是意大利认知科学家和计算机科学家，隶属于萨莱诺大学和意大利国家研究委员会高性能计算研究所。他的研究聚焦于认知架构、认知的计算模型、常识推理、心理表征和说服技术。他在都灵大学计算机科学系教授人工智能以及认知人工系统的设计与评估课程。
列托的工作将人工智能与认知科学连接起来，旨在创建更接近模拟人类推理和分类的计算系统。他尤其以开发整合不同心理表征理论的模型，以及提出评估受生物学启发的人工智能系统的方法论框架而闻名。
教育与早期生涯
列托在萨莱诺大学获得博士学位，其论文涉及知识表示。2012年至2023年，他在都灵大学计算机科学系担任人工智能研究员。在此期间，他开发了几个最具影响力的模型和框架，确立了自己在认知启发计算领域的领军人物地位。
他的博士和博士后研究为后来的贡献奠定了基础，尤其是在结合人工智能的符号与亚符号方法方面。这种双重关注成为他职业生涯的标志，使他的工作区别于纯粹联结主义或纯粹基于逻辑的方法。
认知模型与DUAL PECCS
列托以研究受认知启发的分类计算模型而著称，这些模型整合了基于原型和基于范例的策略。他的模型名为DUAL PECCS，结合了彼得·加登福斯（Peter Gärdenfors）的概念空间与Cyc等大规模描述逻辑本体。这种混合方法使系统能够利用知识的几何表示和符号表示的优势。
DUAL PECCS已被用于扩展不同认知架构的分类能力，证明了其超越独立系统的实用性。该模型反映了机器学习中结合神经与符号组件的混合系统的更广泛趋势，尽管它早于许多当代大型语言模型，并在认知理论的基础上与之有所不同。
原型与范例的整合解决了认知科学中关于人类如何表征类别的长期争论。通过证明这两种策略可以在计算框架中共存并互补，列托为先前在很大程度上是抽象的理论思想提供了具体实现。
最小认知网格与TCL
列托提出了最小认知网格（Minimal Cognitive Grid）作为对受生物学和认知启发的人工系统的解释力进行排序的方法论工具。该框架为研究人员提供了一种评估AI系统在多大程度上解释认知现象的方法，为比较不同架构和模型提供了结构化途径。
列托与吉安·卢卡·波扎托（Gian Luca Pozzato）共同开发了一种受认知启发的概率描述逻辑，称为TCL（基于典型性的组合逻辑）。该逻辑用于通过概念融合与组合进行自动化的类人知识发明与生成。TCL作为系统METCL（基于典型性的组合逻辑中的隐喻阐述）的推理引擎，该系统旨在自动生成和识别隐喻。
这些贡献在生成式AI的背景下具有重要意义，因为它们探索了机器如何以模仿人类创造力的方式创造新概念和隐喻。与许多统计方法不同，TCL基于形式逻辑和认知原则，为知识生成提供了一条替代路径。
说服技术
在说服技术领域，列托与韦尔内罗（Vernero）证明了可归结为逻辑谬误的论证是网络和移动技术中广泛采用的一类说服技巧。他们的研究表明，谬误论证不仅仅是错误，而是被系统地用于影响用户行为和决策。
兰德公司（Rand Corporation）2021年的一份报告证实了这一见解，表明列托和韦尔内罗提出的逻辑谬误的使用是俄罗斯特工用于影响欧洲在线话语和传播颠覆性信息的自动化说服的修辞策略之一。这一发现凸显了他研究的现实意义，将关于说服的学术工作与当代对虚假信息和社会媒体操纵的担忧联系起来。
访问职位与学术服务
列托曾担任卡内基梅隆大学、海法大学和隆德大学的访问研究员。他还曾在国家研究核大学MEPhI（莫斯科工程物理研究所）担任副研究员和科学顾问。这些国际合作丰富了他的研究视角，并扩大了他工作的影响力。
2013年，他创立了关于人工智能与认知的国际系列研讨会AIC。该系列研讨会为人工智能与认知科学交叉领域的研究人员提供了分享成果和促进合作的论坛，推动了这一跨学科领域的发展。
他曾担任意大利认知科学协会副主席，并担任《Journal of Experimental and Theoretical Artificial Intelligence》副主编。他还是《Cognitive Systems Research》杂志科学委员会成员，以及IEEE认知机器人技术委员会成员。自2024年1月起，他当选为意大利人工智能协会（AIxIA）科学委员会成员。
荣誉与奖项
2020年，列托被计算机协会（ACM）授予ACM杰出演讲者身份，以表彰他向不同受众传达复杂思想的能力。2018年，他因对受认知启发的人工系统的贡献而获得BICA学会（生物启发认知架构学会）的杰出研究奖。
这些荣誉反映了他的工作对学术界和更广泛的人工智能领域的影响。他的研究被广泛引用，并影响了后续在认知架构、常识推理和说服技术方面的工作。
部分出版物
列托在期刊和会议论文集上发表了大量文章。他的著作《Cognitive Design for Artificial Minds》（2021年）由Routledge出版，全面概述了他基于认知原则设计AI系统的方法。他还编辑了多卷会议论文集，包括AIC研讨会和叙事计算模型研讨会的论文集。
主要期刊文章包括与Lebiere和Oltramari合著的《The knowledge level in cognitive architectures: Current limitations and possible developments》（2018年），以及与Radicioni和Rho合著的《Dual-PECCS: a cognitive system for conceptual representation and categorization》（2017年）。他关于基于典型性逻辑的研究于2020年发表在《Journal of Experimental and Theoretical Artificial Intelligence》上。
他关于讲故事机器人的研究于2023年发表在《International Journal of Social Robotics》上，探讨了基于ACT-R的系统如何管理说服和伦理立场。这项工作将他在认知架构和说服方面的兴趣联系起来，展示了在人机交互中的应用。
遗产与持续工作
列托的贡献帮助塑造了受认知启发的人工智能领域，提供了理论框架和实际系统。他对整合多层次表征的强调以及评估AI系统的方法论工具，持续影响着研究神经网络、Transformer和其他人工智能范式的研究人员。
截至2025年，他继续在萨莱诺大学从事研究，探索常识推理和概念组合的新方向。他的工作与当前构建能够以更符合人类认知的方式进行推理、创造和说服的AI系统的努力仍然相关。